使用echarts做一个可视化报表(一)

前段时间利用django+vue编写了一个构造测试数据的平台，目前已经把各个系统常用的构造数据请求放到了平台上。

为了更直观的观察这个平台的使用情况，利用echarts做了一个可视化的报表，最终效果如下

本篇来介绍下报表从构思到实现的过程

我的需求：

1、本次打算做2张表，一个以周为维度，统计每天在平台上构造数据的次数(前者使用折线图、后者使用饼图)；

2、以系统为维度，统计每个系统构造数据的次数；

根据需求，拆解下我要做的事情：

1、在数据库里创建一张表，记录创建数据过程；

2、添加后端逻辑，每构造一条数据(前端每发起一次创建数据的请求)，便向表里插入一条记录；

3、后端新增视图函数，通过查询数据库，把数据返回给前端报表；

4、前端处理后端返回的数据，传给echarts，把数据展示出来；

一、Django连接mysql数据库并创建表

1、把django默认数据库配置，由sqlite3改为mysql

打开 settings.py，定位到DATABASES配置项

DATABASES = {
    'default': {
        'ENGINE': 'django.db.backends.mysql',
        'OPTIONS': {
            'init_command': "SET sql_mode='ONLY_FULL_GROUP_BY,STRICT_TRANS_TABLES,NO_ZERO_IN_DATE,NO_ZERO_DATE,"
                            "ERROR_FOR_DIVISION_BY_ZERO,NO_ENGINE_SUBSTITUTION'",
        },  # 连接到数据库时要使用的其他参数。可用参数取决于您的数据库后端
        'NAME': 'data_factory',  # 要使用的数据库的名称（先到mysql数据库创建一个库）
        'USER': 'root',
        'PASSWORD': '12345678',
        'HOST': '127.0.0.1',
        'PORT': '3306',
    }
}

2、由于后面我是用pymysql来操作数据库的，所以需要配置一下，使django能够通过pymysql操作数据库

打开django项目根目录下__init__py

import pymysql
pymysql.install_as_MySQLdb()

 3、打开models.py，利用django自带的模型来创建一张表（也可以自己在数据库中建好）

from django.db import models


# Create your models here.

class DataFactory(models.Model):
    id = models.AutoField
    class_name = models.CharField(max_length=50)
    class_id = models.CharField(max_length=50)
    start_time = models.DateTimeField(auto_now=False)
    end_time = models.DateTimeField(auto_now=False)

这张表定义了5个字段

id表示数据的自增编号；

class_name表示数据类型名称，用来区分是哪个系统创建的数据；

class_id表示数据类型id；

start_time表示数据开始创建的时间；

end_time表示数据创建完成的时间；

上述字段是我自己定义的，可以根据需要自己进行修改

定义好模型后，需要把表映射到数据库中，执行以下命令

先执行
python manage.py makemigrations app

再执行
python manage.py migrate

这样在数据库中就创建好了一张表

 二、修改django视图文件，向数据库插入数据

关于如何利用django 模型models向数据插入数据，可以参考下面一篇博客：如何使用Django模型Models对数据库进行增删改查

因为我打算每创建成功一条数据，就向数据库里插入一条数据，这条数据需要包含：数据类型名称、数据类型id、开始创建时间、创建成功时间

所以我需要定义上述字段的值，然后插入库里



from app.models import DataFactory



def create_draft_bill(contract_code, num, money):
    """
    创建【草稿】账单
    :param money:
    :param contract_code:
    :param num:
    :return:
    """
    start_time = timezone.now()  # 数据开始创建的时间

    data = contract_bill.create_contract_bill(contract_code, num, money)
    
    end_time = timezone.now()  # 数据创建结束时间

    df = DataFactory(class_name="合同", class_id="1", start_time=start_time, end_time=end_time)  # 执行后，向数据库插入一条数据
    df.save()

    return data




如上是我定义的一个创建账单的方法，每当创建成功一条账单时，要把这条记录插入数据库。


我把 DataFactory模型导进来，然后分别定义了开始、结束时间、数据名称等，调用模型把数据插入库并保存即可。


三、新增视图方法供前端调用


由于我把报表放在了一个单独的页面，期望每当打开这个页面时，就展示图表，所以这里面发生了2件事：


1、打开报表页面时，向后端发送请求获取数据；


2、拿到数据后，前端把数据渲染到页面的报表中；


因为有2个表，所以我打算写2个视图函数分别来提供对应的数据



折线图


折线图的横轴为日期：【周一】～【周日】，纵轴为数量


所以我要查到当前周的数据，并把日期与周几做一个映射,最终 sql 如下




select case dayofweek(date_format(start_time, '%Y-%m-%d'))
    when 1 then '周日'
    when 2 then '周一'
    when 3 then '周二'
    when 4 then '周三'
    when 5 then '周四'
    when 6 then '周五'
    when 7 then '周六'
    end as week
     , count(*) as count from app_datafactory where yearweek(date_format(start_time, '%Y-%m-%d'))=yearweek(now())
group by week;  # 按照周纬度统计




查出来的效果如下




这里有个问题，当这一天有数据时，则可以查出这条记录；当这一天没数据时，并不是显示类似【周三  0】，而是直接没有这条记录


这种不能直接返到前端，需要把0的情况处理下


最终的折线图对应的视图方法如下




def query_value_statistics(request):
    """折线图数据"""

    conn = pymysql.connect(host="localhost", user="root", password="12345678", port=3306, db="data_factory",
                           charset='utf8')  # 链接数据库
    cursor = conn.cursor()  # 不能共用一个线程池，一个方法链接一个mysql
    sql = "select case dayofweek(date_format(start_time, '%Y-%m-%d')) " \
          "when 1 then '周日' " \
          "when 2 then '周一' " \
          "when 3 then '周二' " \
          "when 4 then '周三' " \
          "when 5 then '周四' " \
          "when 6 then '周五' " \
          "when 7 then '周六' " \
          "end as week, " \
          "count(*) as count " \
          "from app_datafactory " \
          "where yearweek(date_format(start_time, '%Y-%m-%d'))=yearweek(now()) group by week;"# yearweek(xx,mode=1),表示周一是一周的第一天；默认周日是第一天
    # print(sql)
    conn.ping(reconnect=True)
    cursor.execute(sql)
    t = cursor.fetchall()

    cursor.close()  # 关闭游标
    conn.close()  # 关闭连接

    dict_value = {} # 定义一个空字典
    for i in t:
        j = {i[0]: i[1]}
        dict_value.update(j)  # 遍历从数据库查到的数据，把每组数据都追加的字典中，最后dict_value形如{"周二":xx, "周四":xx, "周六":xx}

    week = {"周一": 0, "周二": 0, "周三": 0, "周四": 0, "周五": 0, "周六": 0, "周日": 0}  # 定义一个字典，每天的数据为0

    week.update(dict_value)  # 把dict_value字典合并到week字典中，这样有数据的日期正常显示数据，无数据的日期显示0

    statistics_data = [] # 定义一个空列表

    for t in week.items():  # 把字典中的数据处理为一个个小的字典，形如{"周一": 3},依次追加到列表中
        statistics_data.append({
            "name": t[0],
            "value": t[1]
        })

    data = {
        "code": "200",
        "data": statistics_data
    }

    return JsonResponse(data, json_dumps_params={'ensure_ascii': False})




最终的 statistics_data 打印效果如下




[{'name': '周一', 'value': 12}, {'name': '周二', 'value': 4}, {'name': '周三', 'value': 0}, {'name': '周四', 'value': 0}, {'name': '周五', 'value': 0}, {'name': '周': 0}, {'name': '周日', 'value': 0}]





饼图


饼图是统计每个系统构造数据的数量，sql如下




select class_name, count(*) from app_datafactory group by class_name;




视图函数如下




def pie_statistics(request):

    """饼图数据"""
    conn = pymysql.connect(host="localhost", user="root", password="12345678", port=3306, db="data_factory",
                           charset='utf8')  # 链接数据库
    cursor = conn.cursor()
    values = []
    sql1 = "select class_name, count(*) from app_datafactory group by class_name;"    conn.ping(reconnect=True)

    cursor.execute(sql1)
    t = cursor.fetchall()

    for i in t:
        block = {
            "value": i[1],
            "name": i[0]
        }
        values.append(block)
    cursor.close()  # 关闭游标
    conn.close()  # 关闭连接

    data = {
        "code": "200",
        "data": values
    }

    return JsonResponse(data, json_dumps_params={'ensure_ascii': False})




values打印结果如下




[{'value': 44, 'name': '合同'}, {'value': 2, 'name': '项目运营'}, {'value': 26, 'name': '线索商机'}]




四、前端引入echarts，渲染数据


关于如何再vue中使用echarts，这里不做赘述，重点写一下报表前端处理逻辑，新建一个 statistics.vue


1、折线图


(1)引入折线图相关的echart代码


html代码中留出一个div容器，存放折线图




<div id="main1" style=" 600px;height:400px;"></div>




在script标签下先引入echarts包




import * as echarts from 'echarts'




在methods下新建一个方法，存放折线图echarts相关代码




echarts_test(data) {

      let myChart1 = echarts.init(document.getElementById('main1'));

// 指定图表的配置项和数据
      let val = data.map(x => x.value)
      // console.log(val) 

      let option1 = {
        // title: {  //图表的标题
        //   text: '每日创建数据汇总',
        //   left: 'center',
        //   show: false
        // },
        tooltip: {
          trigger: 'axis',
          // axisPointer: {
          //   type: 'cross'
          // }
        },
        grid:{  //折线图在当前容器的位置调整
          x:22, //左侧距离左边的距离
          y:4,  //顶部最高点距离顶部的位置
          x2:50, // 右侧距离右侧的距离
          y2:20,  //距离底部距离
          borderWidth:1
        },
        color: ['#91cc75', '#fac858', '#ee6666', '#73c0de', '#3ba272', '#fc8452', '#9a60b4', '#ea7ccc'],
        xAxis: {
          type: 'category',
          data: ['周一', '周二', '周三', '周四', '周五', '周六', '周日'],
          // axisPointer: {  //配置show为true，显示此轴的axisPointer
          //   show: true
          // }
        },
        yAxis: {
          type: 'value'
        },
        series: [
          {
            name: "创建数据",
            smooth: false,  // 控制是否为平滑曲线（false为折线）
            data: val,
            type: 'line',
            areaStyle: { //区域填充样式 https://echarts.apache.org/zh/option.html#series-line.areaStyle
              color:  // 线性渐变填充
                  {
                    type: 'linear',
                    x: 0,
                    y: 1,
                    x2: 0,
                    y2: 0,
                    colorStops: [{
                      offset: 0, color: 'white' // 0% 处的颜色
                    }, {
                      offset: 1, color: 'green' // 100% 处的颜色
                    }],
                    global: false // 缺省为 false
                  }
            }
          }
        ]
      };




这个方法传了一个data参数，这个就是数据源，即后端返回的数据；


使用 map 方法提取其中的value ，如 let val = data.map(x => x.value)


(2)在methods下再新建一个方法，发送请求，获取折线图数据




query_value_statistics() {
this.$http.get("http://10.237.x.xx:8000/data_factory/query_value_statistics",
          {
            // timeout: 10000,
            params:{

            }

          })
          .then(response =>{
           let datas= response.data.data;
            console.log("<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>")
            console.log(datas)
            // console.log(datas[0]["name"])
            // console.log(datas[0].name)         

            this.echarts_test(response.data.data)  # 调用echarts_test，把请求返回数据中的data传给echarts_test()

          }).catch((reason)=>{
            console.log(reason)

        this.$message({
          message: '接口调用失败，请检查系统是否正常',
          type: 'warning'
        });
      })
    },




2、饼图


(1)引入饼图相关的echarts代码


html代码中留出一个div容器，存放饼图




<div id="main2" style=" 600px;height:380px; margin-top: 20px;"></div>




在methods下新建一个方法，存放饼图echarts相关代码




echarts_pie(datasource) {
      let chartDom = document.getElementById('main2');
      let myChart = echarts.init(chartDom);
      let option;
      
      option = {
        // title: {
        //   text: '各系统调用次数汇总',
        //   left: 'center'
        // },
  
        tooltip: {
          show: true,
          trigger: 'item'

        },
        legend: {
          top: '2%',
          left: 'center'
        },
        color: ['#5470c6', '#91cc75', '#fac858', '#ee6666', '#73c0de', '#3ba272', '#fc8452', '#9a60b4', '#ea7ccc'],
        series: [
          {
            // name: 'Access From',
            type: 'pie',
            radius: ['40%', '70%'],
            avoidLabelOverlap: false,
            center:['50%', '50%'], //控制左右上下
            itemStyle: {
              borderRadius: 30,
              borderColor: '#fff',
              borderWidth: 2
            },
            label: {
              show: false,
              position: 'center'
            },
            emphasis: {
              label: {
                show: true,
                fontSize: '30',
                fontWeight: 'bold'
              }
            },
            labelLine: {
              show: false
            },
            data: datasource
          }
        ]
      };

      option && myChart.setOption(option);
    }




这个方法有一个 datasource参数，它是饼图的数据源


(2)在methods下新建一个方法，发送请求，获取饼图数据




pie_statistics() {
      this.$http.get("http://10.237.x.xx:8000/data_factory/pie_statistics",
          {
            // timeout: 10000,
            params:{

            }

          })
          .then(response =>{
   
            this.echarts_pie(response.data.data) # 调用echarts_pie方法，把请求返回数据传进去
            
          }).catch((reason)=>{
        console.log(reason)

        this.$message({
          message: '接口调用失败，请检查系统是否正常',
          type: 'warning'
        });
      })
    },




为了实现打开页面即可发送请求并渲染报表，需要在mounted()下挂载上述2个发送请求的方法




mounted() {
    this.query_value_statistics()
    this.pie_statistics()
  }




综上，我们就完成了2个echarts报表，包含前后端处理逻辑




下一篇讲一下如何给折线图添加一个按照时间筛选的功能：筛选不同的周，显示对应的图






        

	      

	    

	  

	  

	    
      
        【推广】
        免费学中医，健康全家人
      
	  

    

    

          原文地址：https://www.cnblogs.com/hanmk/p/15713879.html